Högskolan i Skövde

AI-driven personalisering i form av rekommendation algoritmer och beteendebaserad annonsering på sociala medier och e-handelsplattformar har förändrat modern marknadsföring genom att erbjuda skräddarsydda användarupplevelser i realtid. Tekniken skapar samtidigt en växande spänning mellan konsumentnytta och personlig integritet, och ställer frågan om var gränsen går mellan att känna sig förstådd och att känna sig övervakad.

Denna studie undersöker hur konsumenter upplever gränsen mellan nytta och integritetsintrång i mötet med AI-driven personalisering på sociala medier och e-handelsplattformar, och hur dessa upplevelser påverkar deras förtroende för och relation till företaget. En kvalitativ ansats tillämpades och sex semistrukturerade intervjuer genomfördes med konsumenter i åldersspannet 21–25 år. Två av intervjuerna fördjupades i en andra omgång för att säkerställa ett empiriskt underlag tillräckligt rikt för att bära studiens analys. Materialet bearbetades genom en tematisk analys med stöd av analysmodellen Den algoritmiska mötesplatsen.

Studien identifierar fyra centrala mönster som förklarar konsumenternas upplevelser. Kanalöverskridande beskriver hur brytpunkten för acceptans triggas när personaliseringen manifesterar kunskap som konsumenten upplever har hämtats från ett sammanhang där de inte gett tillåtelse till exempel när beteende på en e-handelssajt dyker upp som annons på sociala medier, eller när reklam verkar baseras på ett analogt samtal. Kunskapens paradox visar att högre teknisk medvetenhet leder till starkare obehagsreaktioner snarare än ökad acceptans, eftersom förståelsen för hur algoritmerna fungerar validerar snarare än dämpar känslan av intrång. Konsumenternas agerande förklaras genom ett motståndsspektrum som sträcker sig från passiv resignation och vanebaserad acceptans, via mjuka strategier som att styra om vad algoritmen lär sig, till aktivt taktiskt motstånd och i de allvarligaste fallen ett fullständigt relationsavbrott. Slutligen belyses förtroendets asymmetri, som innebär att det förtroende som byggs upp långsamt genom positiva möten kan raseras ögonblickligen vid en enda upplevd integritet överträdelse.

Slutsatsen är att transparens en enkel och tydlig förklaring av varför en rekommendation visas, kombinerat med en reell möjlighet att påverka det är det viktigaste motmedlet mot förtroendeerosion. Företag måste också respektera kanal gränser för att inte trigga den digitala Uncanny Valley-effekten och förlora konsumentens förtroende.

Studien bidrar till fältet genom att nyansera teorin om privacy calculus med en ny dimension att upplevd begriplighet är en lika viktig faktor som faktisk risk i konsumentens kalkyl. Studien utvidgar också begreppet Uncanny Valley till en digital marknadsföringskontext och preciserar att det är kanalöverskridande, snarare än träffsäkerhet i sig, som triggar effekten. Slutligen tillämpar studien Grönroos (2004) relationsteori på AI-driven personalisering och visar att förtroendets asymmetri är särskilt uttalad i digitala kundrelationer.

AI-driven personalization in the form of recommendation algorithms and behavioral advertising on social media and e-commerce platforms has transformed modern marketing by offering tailored user experiences in real time. At the same time, the technology creates a growing tension between consumer benefit and personal privacy, raising the question of where the boundary lies between feeling understood and feeling watched. 

This study investigates how consumers experience the boundary between benefit and privacy intrusion in their encounters with AI-driven personalization on social media and e-commerce platforms, and how these experiences affect their trust in and relationship with companies. A qualitative approach was applied, and six semi-structured interviews were conducted with consumers aged 21–25. Two of the interviews were deepened in a second round to ensure an empirically rich basis for the study's analysis. The material was processed through thematic analysis using the analytical model The Algorithmic Meeting Place. 

The study identifies four central patterns that explain consumer experiences. Channel crossing describes how the threshold of acceptance is triggered when personalization manifests knowledge that the consumer perceives as having been obtained from a context where they did not give permission for example, when behavior on an e-commerce site appears as an advertisement on social media, or when advertising seems to be based on an analog conversation. The paradox of knowledge shows that higher technical awareness leads to stronger discomfort reactions rather than increased acceptance, as understanding how algorithms work validates rather than diminishes the sense of intrusion. Consumer behavior is explained through a resistance spectrum ranging from passive resignation and habitual acceptance, through soft strategies such as redirecting what the algorithm learns, to active tactical resistance and, in the most serious cases, a complete relationship termination. Finally, the asymmetry of trust is highlighted, meaning that trust built up slowly through positive encounters can be destroyed instantaneously by a single perceived privacy violation. 

The conclusion is that transparency a simple and clear explanation of why a particular recommendation is shown, combined with a genuine opportunity to influence it is the most important antidote to trust erosion. Companies must also respect channel boundaries to avoid triggering the digital Uncanny Valley effect and losing consumer trust. 

The study contributes to the field by nuancing the theory of privacy calculus with a new dimension that perceived comprehensibility is as important a factor as actual risk in the consumer's calculus. The study also extends the concept of the Uncanny Valley to a digital marketing context, specifying that it is channel crossing, rather than precision itself, that triggers the effect. Finally, the study applies Grönroos (2004) relationship theory to AI-driven personalization and demonstrates that the asymmetry of trust is particularly pronounced in digital customer relationships.